Kimi K3 and Qwen 3.8: 基座模型实验室面临的经济威胁

开源模型现已达到 SOTA 前沿

Moonshot Labs 的 Kimi K3 和 Alibaba 的 Qwen 3.8 的发布，标志着 AI 领域的战略转型，因为它们证明了通过开源权重模型可以实现最先进的 (SOTA) 性能。据报道，这两个模型都接近 Anthropic 的 Fable 5 的性能，而其权重的发布表明，闭源前沿实验室的竞争优势正在缩小。

这种趋势对仅提供模型的供应商构成了重大威胁。当高性能通过开源权重变得商品化时，那些不拥有底层基础设施的实验室将难以将其产品差异化并维持定价权。

基座模型基础设施的经济学

基座模型市场的盈利能力取决于一家公司拥有多少价值链。构建和维护这些模型的成本分为两个主要阶段：训练（工资、计算和电力）和推理（持续的计算和电力）。

基础设施所有权层级

根据其基础设施战略，公司分为三个主要的经济类别：

租赁基础设施： 像 Anthropic、Moonshot Labs 和 Knowledge Atlas (GLM 5.2 的制作者) 这样的公司租赁数据中心并支付电费。它们的成本随收入线性增长，这意味着利润率不会随着使用量的增加而增长。
拥有数据中心： 像 Meta 和 Alibaba 这样的公司构建自己的数据中心，但向外部供应商支付电费。这将其部分变动成本转化为固定成本，从而在大规模应用时提高利润率。
集成电力与计算： 像 SpaceX 这样的公司同时拥有发电能力和数据中心。这实现了变动成本向固定成本的最大化转换，从而随着使用量的增加实现尽可能高的利润率。

对于仅租赁基础设施的实验室，成功的唯一路径是持续产出绝对最好的模型，或者以显著更低的价格提供“足够好”的模型。这会引发推理成本方面的“逐底竞争”。

Anthropic 的战略脆弱性

Anthropic 处于一个危险的位置，因为它在严重依赖监管策略和追求递归自我改进的同时，缺乏竞争对手的基础设施所有权。

高成本与低护城河

Anthropic 的 Fable 5 在每个完成任务的成本上几乎是 OpenAI 或开源模型的三倍。这种定价策略带来了一个风险：随着基准测试趋于饱和且性能差距缩小，用户可能会转向更便宜的替代方案。

此外，Anthropic 的产品护城河——例如 Claude Code 和 Cowork——正受到“harness”初创公司（例如 OpenCode, OpenClaw, Hermes）的威胁，这些公司在各种模型之上构建应用层。由于构建 AI harness 的门槛很低，Anthropic 无法仅依靠其产品层来建立防御性。

与 OpenAI 的比较

虽然 OpenAI 的模型在最近的一些基准测试中落后于 Anthropic，但 OpenAI 在消费者体验、语音、硬件和数据中心所有权方面投入了更多。这种多样化为 OpenAI 提供了比 Anthropic 以模型为中心的方法更多的韧性，以及更清晰的长期利润率优化路径。

社区见解与反论点

行业讨论表明，“仅提供模型”的风险可能具有细微差别。一些人认为，顶尖模型提供的价值仍然远超高价值用户的成本，这使得价格战对特定细分市场并不相关。

"我个人知道 LLM 为我的工作流带来的价值远比我每月支付给前沿实验室的 $200/m 更多。我没有兴趣通过优化它来让它稍微便宜一点。"

其他观点强调了向专用硬件的转型以及通用 AI 进展可能进入平台期的观点：

ASIC 转型： 有人建议，最终的赢家将是那些能够最快将模型迁移到 ASICs (Application-Specific Integrated Circuits) 的公司，从而降低电力成本并为企业本地部署提供更高的速度。
平台期理论： 如果 AI 进展进入平台期，市场将完全转向追求最低利润率的竞争，这对高昂的运营成本和租赁基础设施的实验室来说将是灾难性的。
“SaaSpocalypse”： Claude Design 的发布引发了 fears 担忧，基座模型实验室会通过直接在模型中构建应用层来蚕食其自身的 SaaS 合作伙伴，从而可能疏远开发人员生态系统。

模型供应商的长期影响

Kimi K3、Qwen 3.8 和 GLM 5.2 的出现表明，2025 年的 "DeepSeek moment" 并非异常现象，而是一种持续的竞争模式。像 Knowledge Atlas、Moonshot Labs 和 Anthropic 这样的仅提供模型的供应商，在面对 Google、Meta、Alibaba、和 SpaceX 这样的垂直整合巨头时，面临着重大的防御性挑战。

Kimi K3 和 Qwen 3.8：基座模型实验室面临的经济威胁